Spisu treści:
- Definicja - Co oznacza Gaussian Mixture Model (GMM)?
- Techopedia wyjaśnia model mieszanki Gaussa (GMM)
Definicja - Co oznacza Gaussian Mixture Model (GMM)?
Model mieszanki Gaussa (GMM) to kategoria modelu probabilistycznego, który stwierdza, że wszystkie wygenerowane punkty danych pochodzą z mieszaniny skończonych rozkładów Gaussa, które nie mają znanych parametrów. Parametry modeli mieszanki Gaussa pochodzą albo z maksymalnego oszacowania a posteriori, albo z iteracyjnego algorytmu maksymalizacji oczekiwań z wcześniejszego dobrze wyszkolonego modelu. Modele mieszanin Gaussa są bardzo przydatne, jeśli chodzi o dane modelowania, zwłaszcza dane pochodzące z kilku grup.
Techopedia wyjaśnia model mieszanki Gaussa (GMM)
Matematycznie modele mieszanki Gaussa są przykładem parametrycznej funkcji gęstości prawdopodobieństwa, którą można przedstawić jako ważoną sumę wszystkich gęstości składników Gaussa. Innymi słowy, suma ważona gęstości M składnika Gaussa jest znana jako model mieszanki Gaussa, a matematycznie jest to p (x | λ) = XM i = 1 wi g (x | µi, Σi), gdzie M oznacza masy mieszanin, x jest ciągłym wektorem danych z wymiaru D, a g (x | µi, Σi) jest składową gęstości Gaussa. Model mieszanki Gaussa składa się z macierzy kowariancji, wag mieszanin i wektorów średnich z każdej obecnej gęstości składników. Gaussowie są w pełni zdolni do modelowania korelacji elementów wektora cech dzięki liniowej kombinacji podstawy kowariancji ukośnej. Inną cechą modelu mieszanki Gaussa jest tworzenie gładkich aproksymacji do losowo ukształtowanych gęstości.
Modele mieszanin Gaussa są stosowane w systemach biometrycznych, w których model parametryczny pomaga zrozumieć cechy lub pomiary związane z takimi, jak cechy spektralne dróg głosowych. Modele mieszaniny Gaussa są również wykorzystywane do szacowania gęstości i są uważane za najbardziej statystycznie dojrzałe techniki grupowania.
